科研 AGENT 工作台 · 中文优先

把课题交给它,
它给你下一个够得着的问题

它自己查文献、画出版级图,产出一份带 [Sn] 引用、可回溯的深度报告。报告不止到综述为止 —— 末尾是它自己提出的推想:站在哪些已知之上、哪一部分确实没有证据、什么结果出来就算它不成立。结论是否成立,由你判断

完全免费 · 下载前需先注册并通过审批 · 数据留在你机器上
Axiom3 研究工作台
不是截图 · 是活的

亲手转动一个真实结构

Axiom3 原生渲染三维蛋白结构——每一张都从真实 PDB 坐标生成、距离实测。下面这个不是图片,是可交互的 KRAS G12C 抗癌靶点,和 AMG510 共价抑制剂结合。用滚轮缩放、拖拽旋转,换个风格看看。

🖱 滚轮缩放 · 拖拽旋转 · 右键平移
PDB 6OIM · KRAS G12C(X-ray) 青色=AMG510 共价抑制剂 洋红=GDP · 绿=Mg²⁺ 结构由坐标实测,非示意
它怎么工作

把碎片化的科研工具,合成一个中文工作台

PubMed、Jupyter、R、集群终端…研究员在几十个工具间来回切换。Axiom3 把它们收进一个环境:查文献、跑计算、画图、写报告——每一步都留下可审计的证据。

01

可复现的科学产物

科研本质是视觉的。Axiom3 原生渲染 3D 结构、分子、系统发育树、基因轨迹、公式——每张图都附生成它的代码、环境和一句白话说明,几个月后也能复现。用大白话让它改图:去掉网格线、换成对数轴,它改自己的代码。

  • PyMOL 光追结构图 · RDKit 小分子 · 基因背景图 · 26 个原生 SVG 渲染器
  • 每个数字都由代码算出或带 [Sn] 引用,绝不凭记忆编造
可复现的科学产物 · 图片可放大回溯
02

多智能体深度研究 + 审查员

把一个宽课题分解成竞争假说、跨域机制、正反证据,派并行子智能体各自深挖,再综合。一个独立的审查员通读产出——标记错误引用、无法回溯的数字、和代码对不上的图,并自我纠正。

  • 分解 → 并行子智能体 → 审查 → 综合
  • 相关 → 因果 → 增益 → 阴性对照 的分级验证
证据强度矩阵热力图
03

本地数据 · 隐私优先

大的或敏感的数据集,永远不必离开你自己的机器。Axiom3 在本地起 Python 内核跑你的数据,只把每一步需要的上下文发给模型。算力由你自己出,合规又实惠。

  • 本地内核 · 数据不出机 · 落盘产出物库,不丢
  • 机构版可完全本地部署
多维权衡雷达图 · 真实计算
从总结到研究

总结已知,和做研究,不是同一件事

一份把文献整理干净的报告,读完你还是不知道下一步该做什么实验。研究的下一步不在已知里,而在缺口里。Axiom3 在综述之后多走一步 —— 提出一个够得着的新假说,并把它的验证路线写成可判定的条件。一份没写缺口的报告,比一份写着「这里没有证据」的报告更难用。

已知

从文献和数据库里检索到的结论。

须带 [Sn] 引用,可回溯

自算

平台内核在公开数据上算出来的数,附代码。

须附可复跑的代码与它不能证明什么

推想

它自己提出的、文献里还没有的新假说。

不需要来源 —— 须带能判定真假的证伪条件

推想之所以不用带引用,是因为它本来就没有来源;它要交的不是出处,是证伪条件。这条线把「总结」和「研究」分开:一份报告有没有推想,一眼能看出来。

缺口写在正文里,不写在脚注里

推想有一个必填字段叫「缺口」:这条假说的哪一部分,现有证据确实是空的。缺口不是免责声明,它就是这条假说值得做的原因,所以不许被措辞盖过去。

六个必填字段:锚点 · 缺口 · 方法路径 · 现在就能算 · 证伪条件 · 时间尺度

证伪条件必须是一个能判定的阈值

「若干实验可进一步验证」这种话不算证伪条件。字段要求写成一句拿到数据就能对照、能判死的话:测什么、看哪个量、越过哪条线这条假说就作废。

真实运行写出的条件:「IC50 shift < 2 倍」「SOS2 上调 < 1.5 倍」「RAS-GTP 72h 不反弹」

裁决是公开的,不是内部打分

推想生成后交给一个独立角色做对抗裁决,它不负责补充、不负责鼓励,只负责找出这条假说在哪里断裂。裁决分四档 —— 致命 / 严重 / 轻微 / 无法反驳 —— 被机械解析,直接决定推想排名,不经过润色。你能自己判断:这条被留在第一位,是因为反驳不成立,还是因为反驳还没找到。

报告里能看到整份裁决的分布,以及排名第一那条推想所遭最强反驳的原文,不做转述

证据不足是任务,不是罪名

一条新到「现有证据既不能证实也不能证伪」的假说,容易在验证环节被当成低置信度扣掉 —— 那等于用验证把新颖掐死。这里换了做法:它会被标成「探索性假说」,把证伪条件当作下一步。

被判为探索性假说的推想保留在前沿位置,其证伪条件作为下一步该做的事输出

不合格必须可见

静默降级比失败更危险。这一版没产出推想,报告里就直接写「仅相当于文献综述」;声称「现在就能算」却没真算,就把未兑现清单列出来给你看。

某次真实运行:可算声明 3 条,已兑现 0 条,清单照列

该留白的地方,留白

最容易编数字的位置,恰恰是读者最想看到数字的位置:一项还没读出结果的试验、一个尚未公开的终点。这种地方它写「没有」,并说明自己为什么不写。

真实运行中对一项尚未公布结果的试验如实写「尚未公布疗效结果」,并注明「本报告不引用任何记忆中的疗效数字」

敢写清楚自己怎么被推翻,才叫研究。

一套引擎 · 两种用法

看你要快答,还是要做透

Loc-SAgent

给它你的数据:单个智能体在本地 Python 内核里跑统计、作图,快速出结果。适合手边一份数据、一个明确问题。

Glob-DAgent

给它一个课题:联网查文献 + 多智能体协同深挖 + 出版级图,产出一份带引用、可回溯的深度报告。适合把一个方向做透。

领域专精 · 可选

再给它一位领域专家

选一位专家,等于把该领域的"黄金操作手册"交给它 —— 该装什么包、按什么标准流程、该出哪种图、要守哪些严谨性底线。智能体就从"通才即兴发挥",变成"专科按规程操作",专业度和可复现性都更高。

蛋白结构图
PyMOL 无头光追 · 实测几何 · 出版级结构图
小分子 / 药物图
RDKit 2D 结构 · 子结构高亮 · 理化描述符
基因背景 / 操纵子图
基因箭头 · 操纵子 · 耐药基因盒
单细胞 RNA-seq
QC → 归一化 → 聚类 → UMAP → 注释
系统发育 / 祖先重建
比对 → 建树 → 追踪残基 → 祖先重建
差异表达
效应量 + BH/FDR 校正 → 火山图
CRISPR 敲除筛选
文库 / 向导 / 脱靶 / 构建 / 测序流程
蛋白工程
PLM / 结构打分 → 共识排序
GWAS 关联分析
关联检验 + 多重校正 → 曼哈顿图

会话设置里选一位专家 = 这个会话每次运行都自动启用;也可以用 /技能 只对单次任务临时启用(优先级更高)。不选也行 —— 智能体会自己判断怎么做。

现在开始 · 完全免费

注册申请,把第一个课题交给它

1官网注册填写账号信息并提交申请
2我们审批通过后为你开通、设定使用期
3下载登录装好 App,用官网账号直接登录
下载需先登录(账号从官网注册、审批开通)· App 内不单独注册